一种基于AI的自动化测试用例生成方法、装置和设备与流程

摘要: 本申请涉及计算机软件,具体涉及一种基于ai的自动化测试用例生成方法、装置和设备。背景技术:1、随着低代码平台的普及,应用开发速度大大加快,但与之配套的质量保证和...
一种基于AI的自动化测试用例生成方法、装置和设备与流程

本申请涉及计算机软件,具体涉及一种基于ai的自动化测试用例生成方法、装置和设备。

背景技术:

1、随着低代码平台的普及,应用开发速度大大加快,但与之配套的质量保证和测试环节却发展滞后成为瓶颈,现有技术中主要面临以下问题:

2、低代码应用迭代周期极短,变更频繁,传统的测试方法主要依赖于人工手动编写测试用例或录制测试脚本,需要投入大量专业测试人员,耗时费力,无法匹配低代码的快速开发速度,且测试覆盖率低。低代码应用高度依赖配置和组件编排,组件间存在复杂的业务逻辑和数据依赖关系,传统的测试工具难以深入理解这些配置关系,导致难以发现深层级的集成错误或业务逻辑漏洞。并且仅依赖人工经验难以识别出所有关键路径和边界条件(数据超限、异常流程触发等),导致软件存在质量隐患。

3、因此,亟需一种能够理解低代码平台特有结构,并能自动化生成高覆盖率测试用例的智能方法。

技术实现思路

1、本申请提供一种基于ai的自动化测试用例生成方法、装置和设备,可以解决现有技术中低代码应用测试用例编写效率低,测试覆盖率不足以及难以捕捉复杂配置逻辑的技术问题。

2、第一方面,本申请实施例提供基于ai的自动化测试用例生成方法,所述基于ai的自动化测试用例生成方法包括:

3、获取低代码应用的配置元数据;

4、根据所述配置元数据构建应用状态图,所述应用状态图用于表征所述低代码应用的所有可能状态和状态间的转换关系;

5、基于所述应用状态图和所述配置元数据进行路径探索,并识别应用输入数据的边界条件;

6、通过预置的大语言模型根据路径探索结果和所述边界条件,自动生成对应的测试用例。

7、结合第一方面,在一种实施方式中,在获取低代码应用的配置元数据之后,在根据所述配置元数据构建应用状态图之前还包括:

8、将所述配置元数据转换为结构化数据表示;

9、其中,所述结构化数据表示包括图结构或者语义序列。

10、结合第一方面,在一种实施方式中,所述配置元数据包括组件树结构、数据模型定义和业务流程图;

11、所述数据模型定义包括字段、字段类型和字段校验规则;

12、所述业务流程图包括多个流程节点和连接所述流程节点的流程流向,所述流程节点上配置有控制流程流向的逻辑判断条件。

13、结合第一方面,在一种实施方式中,根据所述配置元数据构建应用状态图,包括:

14、基于所述业务流程图,结合根据所述组件树结构和所述数据模型定义确定的所述低代码应用的组件数据流,构建所述应用状态图。

15、结合第一方面,在一种实施方式中,基于所述应用状态图和所述配置元数据进行路径探索,并识别应用输入数据的边界条件,包括:

16、利用图神经网络和基于蒙特卡洛树搜索的强化学习模型,在所述应用状态图中进行路径探索,识别所述应用状态图中的关键执行路径和潜在异常路径;

17、基于所述数据模型定义中的字段检验规则和所述业务流程图中节点的逻辑判断条件,识别应用输入数据的边界条件和异常输入;

18、根据所述关键执行路径、潜在异常路径、边界条件和异常输入生成结构化测试目标描述。

19、结合第一方面,在一种实施方式中,通过预置的大语言模型根据路径探索结果和所述边界条件,自动生成对应的测试用例,包括:

20、输入所述结构化测试目标描述至所述大语言模型,获取所述大语言模型输出的测试用例。

21、结合第一方面,在一种实施方式中,在获取所述大语言模型输出的测试用例之后,还包括:

22、响应于所述低代码应用的单元测试或/和集成测试,基于所述测试用例生成用于验证后端程序接口或组件逻辑的测试脚本;

23、响应于所述的ui自动化测试,基于所述测试用例生成模拟用户交互操作的测试脚本。

24、结合第一方面,在一种实施方式中,该方法还包括:

25、将所述测试脚本集成至低代码平台的持续集成流水线中或预设的测试执行环境中;

26、在所述低代码应用配置更新或发布前自动触发执行所述测试脚本,并生成可视化测试报告。

27、第二方面,本申请实施例提供了一种基于ai的自动化测试用例生成装置,所述基于ai的自动化测试用例生成装置包括:

28、获取模块,其用于获取低代码应用的配置元数据;

29、构建模块,其用于根据所述配置元数据构建应用状态图,所述应用状态图用于表征所述低代码应用的所有可能状态和状态间的转换关系;

30、识别模块,其用于基于所述应用状态图和所述配置元数据进行路径探索,并识别应用输入数据的边界条件;

31、生成模块,其用于通过预置的大语言模型根据路径探索结果和所述边界条件,自动生成对应的测试用例。

32、第三方面,本申请实施例提供了一种基于ai的自动化测试用例生成设备,所述基于ai的自动化测试用例生成设备包括处理器、存储器、以及存储在所述存储器上并可被所述处理器执行的基于ai的自动化测试用例生成程序,其中所述基于ai的自动化测试用例生成程序被所述处理器执行时,实现如上述任一项所述的基于ai的自动化测试用例生成方法的步骤。

33、本申请实施例提供的技术方案带来的有益效果包括:

34、通过获取低代码应用的配置元数据;根据所述配置元数据构建应用状态图,所述应用状态图用于表征所述低代码应用的所有可能状态和状态间的转换关系;基于所述应用状态图和所述配置元数据进行路径探索,并识别应用输入数据的边界条件;通过预置的大语言模型根据路径探索结果和所述边界条件,自动生成对应的测试用例,实现了测试用例的自动化生成,显著缩短了低代码应用的测试周期,使测试速度匹配低代码应用的快速开发速度,从而有效提高软件开发质量。

1.一种基于ai的自动化测试用例生成方法,其特征在于,所述基于ai的自动化测试用例生成方法包括:

2.如权利要求1所述的基于ai的自动化测试用例生成方法,其特征在于,在获取低代码应用的配置元数据之后,在根据所述配置元数据构建应用状态图之前还包括:

3.如权利要求1所述的基于ai的自动化测试用例生成方法,其特征在于:

4.如权利要求3所述的基于ai的自动化测试用例生成方法,其特征在于,根据所述配置元数据构建应用状态图,包括:

5.如权利要求3所述的基于ai的自动化测试用例生成方法,其特征在于,基于所述应用状态图和所述配置元数据进行路径探索,并识别应用输入数据的边界条件,包括:

6.如权利要求5所述的基于ai的自动化测试用例生成方法,其特征在于,通过预置的大语言模型根据路径探索结果和所述边界条件,自动生成对应的测试用例,包括:

7.如权利要求6所述的基于ai的自动化测试用例生成方法,其特征在于,在获取所述大语言模型输出的测试用例之后,还包括:

8.如权利要求7所述的基于ai的自动化测试用例生成方法,其特征在于,该方法还包括:

9.一种基于ai的自动化测试用例生成装置,其特征在于,所述基于ai的自动化测试用例生成装置包括:

10.一种基于ai的自动化测试用例生成设备,其特征在于,所述基于ai的自动化测试用例生成设备包括处理器、存储器、以及存储在所述存储器上并可被所述处理器执行的基于ai的自动化测试用例生成程序,其中所述基于ai的自动化测试用例生成程序被所述处理器执行时,实现如权利要求1至8中任一项所述的基于ai的自动化测试用例生成方法的步骤。